基于R的数据挖掘方法与实践（2）——关联规则

关联规则是从庞大的数据中提取一系列变量或因子间关系，以探索数据的变量或项目间隐含的关系。

1、基本原理

关联规则通常用支持度、置信度、增益三个指标来分别表示其显著性、正确性和价值。通过给性最小支持度、最小置信度作为门槛值。若该规则的支持度与置信度大于门槛值，则说明该规则有助于进行推论；若该规则的增益大于1，则说明其发生的条件概率有比原先的概率提高，即该规则有效。

1.1 支持度

支持度计算公式如下：

支持度 = P(X∩Y)

以下表中的数据为例。

交易记录	牛奶	面包	饼干	橙汁	汽水	泡面	水果
201701101	1	1	1	1	0	0	0
201701102	0	1	1	0	1	1	0
201701103	1	0	1	0	0	0	1
201701104	1	1	0	1	0	1	1
201701105	0	0	1	0	1	0	1

 

要了解顾客同时购买牛奶和面包的规则是否具有显著性，可以通过支持度衡量，即计算顾客同时购买牛奶和面包的概率：

P(面包∩牛奶) = 2/5 = 0.4

1.2 置信度

置信度是衡量一个事件发生的情况下，另一个事件发生的条件概率，即P(Y|X)。

P(Y|X)= P(X∩Y)/P(X)

一般情况下，置信度需要大于0.5。

 

如果想要了解规则“顾客在购买牛奶后也会购买面包”的信心程度，则可以用置信度：

P(面包|牛奶) = P(面包∩牛奶) / P(牛奶) = 0.4/0.6 = 0.67

1.3 增益

增益用于比较置信度与事件Y单独发生两者之间的概率。增益至少要大于1，才能说明事件X对事件Y的发生有促进作用。

lift= P(Y|X)/P(Y) = P(X∩Y)/[P(X)P(Y)]

规则“顾客在购买牛奶后也会购买面包”的增益计算如下：

lift(牛奶 -> 面包) = P(面包|牛奶) / P(面包) = P(面包∩牛奶) / [P(牛奶)P(面包)] = 0.4/[0.6*0.6] = 1.11

2、关联规则的分类

2.1以规则中属性的类型分类

当关联规则中的属性都是布尔值得时候，称为布尔关联规则。上面我们讨论购买面包与牛奶的问题，是典型的布尔关联规则。

当所要描述的规则的属性值是数量的时候，则称为量化的关联规则。对于量化的关联规则，可以通过数值的区间划分和归类